本文介绍了一种新的深度顺序潜变量模型，旨在解决医疗和金融领域的缺失数据问题。该模型利用高斯过程实现非线性降维和数据插值，优于传统方法，并提供可解释的不确定性估计。研究还提出了多种插值方法，如基于条件分数扩散模型和贝叶斯在线多元时间序列插补，均在不同数据集上表现出色，具有广泛应用前景。